Nghiên cứu sử dụng trí tuệ nhân tạo để đo lường cảm xúc của con người

Nghiên cứu mới được trình bày hầu như tại cuộc họp thường niên của Hiệp hội Khoa học Thần kinh Nhận thức (CNS) cho thấy các phương pháp tính toán theo hướng dữ liệu đang được sử dụng như thế nào để giải thích đặc điểm cơ bản nhất của con người - cảm xúc. Các nhà điều tra tin rằng phát hiện của họ sẽ lật ngược những ý tưởng cũ về cấu trúc của cảm xúc trên toàn nhân loại.

Các nhà khoa học đang áp dụng sức mạnh tính toán để hiểu mọi thứ từ cách chúng ta tạo ra cảm xúc tự phát trong quá trình lang thang tâm trí đến cách chúng ta giải mã các biểu hiện trên khuôn mặt qua các nền văn hóa.

Các nhà điều tra tin rằng những phát hiện này rất quan trọng trong việc mô tả cách cảm xúc đóng góp vào hạnh phúc, sinh học thần kinh của các rối loạn tâm thần và thậm chí cả cách tạo ra các robot xã hội hiệu quả hơn.

Tiến sĩ Kevin LaBar của Đại học Duke cho biết: “Trí tuệ nhân tạo (AI) cho phép các nhà khoa học nghiên cứu cảm xúc theo những cách mà trước đây được cho là không thể, dẫn đến những khám phá làm thay đổi cách chúng ta nghĩ cảm xúc được tạo ra từ các tín hiệu sinh học”.

Sáu cảm xúc cốt lõi của con người - sợ hãi, tức giận, ghê tởm, buồn bã, hạnh phúc và ngạc nhiên - đã được coi là phổ biến trong tâm lý con người trong nhiều thập kỷ. Tuy nhiên, bất chấp sự phổ biến trong xã hội của ý tưởng này, các chuyên gia cho rằng sự đồng thuận khoa học thực sự cho thấy rằng những cảm xúc này không phổ biến.

Tiến sĩ Rachael Jack, nhà nghiên cứu tại Đại học Glasgow, cho biết có một khoảng cách đáng kể trong việc nhận diện những cảm xúc này trên khuôn mặt giữa các nền văn hóa, đặc biệt đối với những người đến từ Đông Á.

Jack đã làm việc để hiểu những gì cô ấy gọi là "ngôn ngữ của khuôn mặt;" cách các chuyển động khuôn mặt riêng lẻ kết hợp theo những cách khác nhau để tạo ra các biểu cảm khuôn mặt có ý nghĩa (như cách các chữ cái kết hợp để tạo ra từ).

Jack nói: “Tôi nghĩ về điều này giống như cố gắng bẻ khóa các chữ tượng hình hoặc một ngôn ngữ cổ không xác định. “Chúng ta biết rất nhiều về ngôn ngữ nói và viết, thậm chí hàng trăm ngôn ngữ cổ, nhưng chúng ta có tương đối ít kiến ​​thức chính thức về các hệ thống giao tiếp phi ngôn ngữ mà chúng ta sử dụng hàng ngày và hệ thống này rất quan trọng đối với tất cả xã hội loài người.”

Trong công việc mới, Jack và nhóm của cô đã tạo ra một phương pháp mới theo hướng dữ liệu để tạo ra các mô hình động của những chuyển động khuôn mặt này, giống như một cuốn sách công thức về các biểu hiện cảm xúc trên khuôn mặt. Nhóm của cô hiện đang chuyển những mô hình này cho các tác nhân kỹ thuật số, chẳng hạn như rô bốt xã hội và con người ảo, để chúng có thể tạo ra các biểu cảm khuôn mặt mang sắc thái xã hội và nhạy cảm về văn hóa.

Từ nghiên cứu của mình, họ đã tạo ra một bộ tạo chuyển động khuôn mặt mới có thể chọn ngẫu nhiên một tập hợp con các chuyển động khuôn mặt riêng lẻ, chẳng hạn như kẻ lông mày, nếp nhăn mũi hoặc căng da môi, và kích hoạt ngẫu nhiên cường độ và thời gian của từng chuyển động.

Những chuyển động khuôn mặt được kích hoạt ngẫu nhiên này sau đó kết hợp để tạo ra hoạt ảnh trên khuôn mặt. Nghiên cứu những người tham gia từ các nền văn hóa khác nhau sau đó phân loại hoạt ảnh trên khuôn mặt theo sáu cảm xúc cổ điển, hoặc họ có thể chọn “khác” nếu họ không cảm nhận được bất kỳ cảm xúc nào trong số này.

Sau nhiều thử nghiệm như vậy, các nhà nghiên cứu xây dựng mối quan hệ thống kê giữa các chuyển động của khuôn mặt được trình bày trên mỗi thử nghiệm và phản ứng của những người tham gia, điều này tạo ra một mô hình toán học.

Jack nói: “Trái ngược với các phương pháp tiếp cận dựa trên lý thuyết truyền thống, trong đó các nhà thí nghiệm lấy một loạt các biểu cảm khuôn mặt được giả định và cho những người tham gia trên khắp thế giới xem, chúng tôi đã thêm một cách tiếp cận tâm sinh lý.

“Việc lấy mẫu và kiểm tra các biểu hiện trên khuôn mặt thiên về hướng dữ liệu hơn và theo quan điểm phê bình, sử dụng nhận thức chủ quan của những người tham gia văn hóa để hiểu những chuyển động trên khuôn mặt thúc đẩy nhận thức của họ về một cảm xúc nhất định, chẳng hạn như“ anh ấy hạnh phúc ”.

Những nghiên cứu này đã cô đọng sáu biểu hiện phổ biến trên khuôn mặt của cảm xúc thành bốn biểu hiện đa văn hóa. Jack nói: “Có những khác biệt văn hóa đáng kể trong nét mặt có thể cản trở giao tiếp giữa các nền văn hóa. “Chúng tôi thường, nhưng không phải lúc nào cũng thấy rằng nét mặt Đông Á có đôi mắt biểu cảm hơn nét mặt phương Tây, có xu hướng có miệng biểu cảm hơn - giống như biểu tượng cảm xúc phương Đông và phương Tây!”

Bà nói thêm rằng cũng có những điểm chung về văn hóa có thể được sử dụng để hỗ trợ truyền thông chính xác giữa các nền văn hóa về các thông điệp cụ thể; ví dụ, các biểu hiện trên khuôn mặt của hạnh phúc, thích thú và buồn chán là tương tự nhau giữa các nền văn hóa phương Đông và phương Tây và có thể được nhận ra giữa các nền văn hóa một cách dễ dàng.

Jack và nhóm của cô hiện đang sử dụng các mô hình của họ để nâng cao khả năng truyền tín hiệu xã hội của robot và các tác nhân kỹ thuật số khác có thể được sử dụng trên toàn cầu. Cô nói: “Chúng tôi rất vui mừng được chuyển các mô hình biểu cảm khuôn mặt của mình sang một loạt các tác nhân kỹ thuật số và để thấy sự cải thiện đáng kể về hiệu suất.

LaBar of Duke cho biết: Hiểu được trải nghiệm chủ quan về cảm xúc được điều khiển như thế nào trong não bộ là chén thánh của khoa học thần kinh tình cảm."Đó là một vấn đề khó khăn, và có rất ít tiến bộ cho đến nay." Trong phòng thí nghiệm của mình, LaBar và các đồng nghiệp đang nghiên cứu để tìm hiểu những cảm xúc xuất hiện trong khi não bộ đang suy nghĩ vẩn vơ.

Ông nói: “Cho dù được kích hoạt bởi những suy nghĩ hay ký ức bên trong, những cảm xúc‘ dòng ý thức ’này là mục tiêu của sự suy ngẫm và lo lắng có thể dẫn đến trạng thái tâm trạng kéo dài và có thể làm sai lệch trí nhớ và việc ra quyết định,” ông nói.

Cho đến gần đây, các nhà nghiên cứu vẫn chưa thể giải mã những cảm xúc này từ các tín hiệu trạng thái nghỉ ngơi của chức năng não. Giờ đây, nhóm của LaBar đã có thể áp dụng các công cụ học máy để lấy các điểm đánh dấu thần kinh của một nhóm nhỏ cảm xúc như sợ hãi, tức giận và ngạc nhiên. Hơn nữa, các nhà nghiên cứu đã mô hình hóa cách những cảm xúc này tự phát xuất hiện trong não khi các đối tượng đang nghỉ ngơi trong máy quét MRI.

Cốt lõi của công việc là đào tạo một thuật toán học máy để phân biệt các mô hình hoạt động của não bộ tách rời cảm xúc với nhau. Các nhà nghiên cứu đưa ra một thuật toán phân loại mẫu với tập dữ liệu đào tạo từ một nhóm người tham gia đã được trình bày các đoạn nhạc và phim gây ra những cảm xúc cụ thể.

Sử dụng phản hồi, thuật toán học cách cân nhắc các yếu tố đầu vào đến từ các vùng khác nhau của não để tối ưu hóa tín hiệu của từng cảm xúc. Sau đó, các nhà nghiên cứu kiểm tra mức độ mà bộ phân loại có thể dự đoán cảm xúc khơi gợi trong một mẫu người tham gia mới bằng cách sử dụng bộ trọng lượng não mà nó tạo ra từ mẫu thử nghiệm.

Labar cho biết: “Một khi các mô hình não bộ theo cảm xúc được xác nhận trên các đối tượng theo cách này, chúng tôi tìm kiếm bằng chứng cho thấy những mô hình này xuất hiện một cách tự nhiên ở những người tham gia chỉ nằm yên trong máy quét,” Labar nói.

“Sau đó, chúng tôi có thể xác định xem liệu bộ phân loại mẫu có dự đoán chính xác những cảm xúc mà mọi người tự báo cáo trong máy quét hay không và xác định sự khác biệt của từng cá nhân”.

Nguồn: Hội Khoa học Thần kinh Nhận thức / EurekAlert